LiDAR4D：面向新颖时空视角LiDAR合成的动态神经场
计算机视觉与模式识别
2024-04-04 v1
摘要
尽管神经辐射场（NeRF）在图像新视角合成（NVS）中取得了成功，但LiDAR新视角合成仍鲜有探索。先前的LiDAR NVS方法简单地从图像NVS方法迁移而来，忽略了LiDAR点云的动态特性和大规模重建问题。鉴于此，我们提出LiDAR4D，一个可微的纯LiDAR框架，用于新颖时空视角LiDAR合成。考虑到稀疏性和大规模特性，我们设计了一种结合多平面和网格特征的4D混合表示，以由粗到细的方式实现有效重建。此外，我们引入从点云导出的几何约束以提高时间一致性。为了真实合成LiDAR点云，我们加入了射线丢弃概率的全局优化以保留跨区域模式。在KITTI-360和NuScenes数据集上的大量实验证明了我们的方法在实现几何感知和时间一致的动态重建方面的优越性。代码可在https://github.com/ispc-lab/LiDAR4D获取。
引用
@article{arxiv.2404.02742,
title = {LiDAR4D: Dynamic Neural Fields for Novel Space-time View LiDAR Synthesis},
author = {Zehan Zheng and Fan Lu and Weiyi Xue and Guang Chen and Changjun Jiang},
journal= {arXiv preprint arXiv:2404.02742},
year = {2024}
}
备注
Accepted by CVPR 2024. Project Page: https://dyfcalid.github.io/LiDAR4D